NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Özet Arkaplan: Dijital mobilite sonuçları (DMO'lar) giyilebilir cihazlar (WD) ve ad-hoc algoritmaları ile toplanan gerçek dünya verilerinden kolayca hesaplanabilse de, teknik doğrulama hala gereklidir. Bu makalenin amacı, altı farklı kohorttan gerçek dünya yürüyüş verilerini kullanarak tahmin edilen DMO'ları karşılaştırmalı olarak değerlendirmek ve doğrulamak, yürüyüş dizisi tespiti (GSD), ayak ilk temas tespiti (ICD), kadence (CAD) ve adım uzunluğu (SL) tahminlerine odaklanmaktır. Yöntemler: Yirmi sağlıklı yaşlı yetişkin, 20 Parkinson hastası, 20 multipl sklerozlu, 19 proksimal femoral kırıklı (PFF), 17 kronik obstrüktif pulmoner hastalıklı ve 12 konjestif kalp yetmezliği olan gerçek dünyada 2,5 saat boyunca, alt sırtta giyilen bir WD kullanılarak izlendi. Atalet modüllerini mesafe sensörleri ve basınç tabanları ile birleştiren bir referans sistemi, DMO'ların WD'den karşılaştırılması için kullanıldı. GSD için üç algoritmayı, ICD için dört, CAD için üç ve SL için dört algoritmayı eşzamanlı olarak performanslarını karşılaştırarak değerlendirdik ve doğruladık (örneğin, doğruluk, özgüllük, hassasiyet, mutlak ve göreceli hatalar). Buna ek olarak, yürüyüş bout (WB) hızının ve süresinin algoritma performansı üzerindeki etkileri araştırıldı. Bulgular: GSD ve CAD için kohortlara özgü en iyi performans gösteren iki algoritma ve ICD ve SL için en iyi olanı belirledik. GSD en iyi algoritmalar iyi performanslar gösterdi (duyarlılık > 0.73, pozitif tahmin değerleri > 0.75, özgüllük > 0.95, doğruluk > 0.94). ICD ve CAD algoritmaları mükemmel sonuçlar sundu, hassasiyetle> 0.79, pozitif tahmin değerleri> 0.89 ve göreceli hatalar Sonuç: Genel olarak, tanımlanmış algoritmalar kilit DMO'ların sağlam bir tahminini sağladı. Bulgularımız, GSD ve CAD DMO'ların tahmini için algoritma seçiminin kohort-spesifik olması gerektiğini gösterdi (örneğin, yavaş yürüyenler ve yürüyüş bozuklukları). Kısa WB uzunluğu ve yavaş yürüme hızı algoritmaların performanslarını kötüleştirdi. Deneme kaydı: ISRCTN – 12246987.
Özgün kaynak özetini okuyun
Abstract Background: Although digital mobility outcomes (DMOs) can be readily calculated from real-world data collected with wearable devices (WD) and ad-hoc algorithms, technical validation is still required. The aim of this paper is to comparatively assess and validate DMOs estimated using real-world gait data from six different cohorts, focusing on gait sequence detection (GSD), foot initial contact detection (ICD), cadence (CAD) and stride length (SL) estimates. Methods: Twenty healthy older adults, 20 people with Parkinson’s disease, 20 with multiple sclerosis, 19 with proximal femoral fracture (PFF), 17 with chronic obstructive pulmonary disease and 12 with congestive heart failure were monitored for 2.5 hours in the real-world, using a WD worn on the lower back. A reference system combining inertial modules with distance sensors and pressure insoles was used for comparison of DMOs from the WD. We assessed and validated three algorithms for GSD, four for ICD, three for CAD and four for SL by concurrently comparing their performances (e.g., accuracy, specificity, sensitivity, absolute and relative errors). Additionally, the effects of walking bout (WB) speed and duration on algorithm performance were investigated. Results: We identified two cohort-specific top performing algorithms for GSD and CAD, and a single best for ICD and SL. GSD best algorithms showed good performances (sensitivity > 0.73, positive predictive values > 0.75, specificity > 0.95, accuracy > 0.94). ICD and CAD algorithms presented excellent results, with sensitivity > 0.79, positive predictive values > 0.89 and relative errors Conclusions: Overall, the identified algorithms enabled a robust estimation of key DMOs. Our findingsshowed that the choice of algorithm for estimation of GSD and CAD DMOs should be cohort-specific (e.g., slow walkers and with gait impairments). Short WB length and slow walking speed worsened algorithms’ performances. Trial registration: ISRCTN – 12246987.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.